[发明专利]图像识别方法、装置、计算机可读存储介质及处理器

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取待识别图像；

将所述待识别图像输入到训练好的yolo-final模型，由所述yolo-final模型识别出所述待识别图像的目标，其中，所述yolo-final模型至少包括原始yolo神经网络模型以及在所述原始yolo神经网络模型的末端增加的final层神经网络模块，所述final层神经网络模块用于指示识别目标的神经元个数和权重参数。

2.根据权利要求1所述的方法，其特征在于，将所述待识别图像输入到训练好的yolo-final模型，由所述yolo-final模型识别出所述待识别图像的目标包括：

将所述待识别图像输入所述原始yolo神经网络模型，得到不同尺度的特征图；

将所述不同尺度的特征图进行融合，得到融合特征图；

将所述融合特征图输入到所述final层神经网络模块，得到标签特征图；

确定所述标签特征图的多个候选点，其中，所述候选点为潜在目标的中心点所在位置；

将所述多个候选点以及所述原始yolo神经网络模型的输出边界框/分类特征提取的候选区域，输入到所述原始yolo神经网络模型的后处理模块进行目标确认；

将确认的所述目标输出。

3.根据权利要求1所述的方法，其特征在于，在获取待识别图像之前，所述方法还包括：

基于原始yolo神经网络模型构建yolo-final模型；

训练所述yolo-final模型。

4.根据权利要求3所述的方法，其特征在于，基于原始yolo神经网络模型构建yolo-final模型包括：

确定所述原始yolo神经网络模型；

在所述原始yolo神经网络模型的末端增加的final层神经网络模块，生成所述yolo-final模型，其中，所述final层神经网络模块的卷积神经网络层数包括以下至少之一：4层、7层。

5.根据权利要求3所述的方法，其特征在于，训练所述yolo-final模型包括：

依据训练图像所标注的已知目标边界框，确定所述已知目标边界框的中心坐标；

依据所述中心坐标的预设特征图值和预设半径，得到标签特征图；

将所述训练图像输入所述yolo-final模型，由所述yolo-final模型确定训练结果；

依据所述标签特征图和所述训练结果，确定训练损失；

利用深度学习常规的损失函数对所述训练损失进行反向求导，迭代优化网络，直至所述标签特征图和所述训练结果相吻合。

6.一种图像识别装置，其特征在于，包括：

获取单元，用于获取待识别图像；

识别单元，用于将所述待识别图像输入到训练好的yolo-final模型，由所述yolo-final模型识别出所述待识别图像的目标，其中，所述yolo-final模型至少包括原始yolo神经网络模型以及在所述原始yolo神经网络模型的末端增加的final层神经网络模块，所述final层神经网络模块用于指示识别目标的神经元个数和权重参数。

7.根据权利要求6所述的装置，其特征在于，所述识别单元包括：

第一处理子单元，用于将所述待识别图像输入所述原始yolo神经网络模型，得到不同尺度的特征图；

融合子单元，用于将所述不同尺度的特征图进行融合，得到融合特征图；

第二处理子单元，用于将所述融合特征图输入到所述final层神经网络模块，得到标签特征图；

第一确定子单元，用于确定所述标签特征图的多个候选点，其中，所述候选点为潜在目标的中心点所在位置；

确认子单元，用于将所述多个候选点以及所述原始yolo神经网络模型的输出边界框/分类特征提取的候选区域，输入到所述原始yolo神经网络模型的后处理模块进行目标确认；

输出子单元，用于将确认的所述目标输出。